Artificial intelligence (AI) atau Kecerdasan Buatan adalah bidang ilmu komputer yang dikhususkan untuk memecahkan masalah kognitif yang umumnya terkait dengan kecerdasan manusia, seperti pembelajaran, penciptaan, dan pengenalan gambar.
Dalam makalah penting Alan Turing dari tahun 1950, “Computing Machinery and Intelligence,” ia mempertimbangkan apakah mesin bisa berpikir. Dalam makalah ini, Turing pertama kali menciptakan istilah kecerdasan buatan dan menyajikannya sebagai konsep teoritis dan filosofis.
Antara 1957 dan 1974, perkembangan dalam komputasi memungkinkan komputer untuk menyimpan lebih banyak data dan memproses lebih cepat. Selama periode ini, para ilmuwan mengembangkan lebih lanjut algoritma machine learning (ML). Kemajuan di bidang ini mendorong bidang seperti Defense Advanced Research Projects Agency (DARPA) untuk menyediakan dana bagi penelitian AI. Pada awalnya, tujuan utama dari penelitian ini adalah untuk menemukan apakah komputer dapat menyalin dan menerjemahkan bahasa lisan.
Algoritma machine learning (ML) adalah bagian dari kode yang membantu orang menjelajahi, menganalisis, dan menemukan makna dalam himpunan data kompleks. Gagasan utama di balik machine learning adalah hubungan matematis yang ada antara semua kombinasi data input dan output. Model machine learning tidak mengetahui hubungan ini sebelumnya, tetapi dapat menerka jika diberikan set data yang cukup.
Algoritma merupakan urutan langkah yang sistematis untuk menyelesaikan suatu masalah, khususnya pada komputer. Algoritma digunakan untuk penghitungan dan pengolahan data pada komputer menggunakan software tertentu.
Donald E. Knuth, seorang ahli teori komputer, menjelaskan bahwa algoritma harus memiliki lima karakteristik yang saling berkaitan. Ada lima karakteristik yang harus dipenuhi dalam pembuatan algoritma, yaitu:
*Keterbatasan (finiteness): algoritma harus berhenti setelah menyelesaikan sejumlah langkah yang terbatas dan mencapai tujuan akhirnya. Program yang tidak pernah berhenti dan terus berjalan tidak memiliki algoritma yang benar.
*Kepastian (definiteness): setiap proses dalam algoritma harus didefinisikan dengan jelas dan tidak ambigu untuk memastikan tidak ada kesalahan dalam menghasilkan output.
*Masukan (input): masalah yang ingin diketahui solusinya. Algoritma bisa terdiri dari memiliki satu atau lebih input yang akan diproses.
*Keluaran (output): satu atau lebih nilai keluaran yang dihasilkan sebagai solusi dari masalah atau input tersebut. Output bisa berupa pesan atau kuantitas yang berhubungan dengan input.
*Keefektifan (effectiveness): Setiap langkah dalam algoritma harus sederhana sehingga bisa diimplementasikan dalam waktu yang tepat.
Seiring dengan perkembangan zaman dan teknologi, kebutuhan akan informasi juga semakin meningkat. Tidak hanya itu, informasi yang diperlukan haruslah cepat, mudah, baik dan akurat. Dari berbagai macam teknologi untuk memperoleh informasi, salah satunya adalah search engine. Peran serta teknologi search engine dalam teknologi informasi semakin lama semakin penting dan dibutuhkan oleh bebagai kalangan. Terutama untuk memperoleh informasi yang akurat dan cepat. Basis pengetahuan dalam search engine ini dapat diperoleh dari berbagai sumber diantaranya penelitian dan buku yang berhubungan dengan search engine tersebut.
Search Engine ini akan menampilkan sebuah hasil pencarian berdasarkan sebuah kata atau beberapa kata yang dicari dan menentukan urutan-urutan teratas berdasarkan kata yang dicari terbanyak. Sebagai contoh, sering kita atau terkadang kita ingin mengetahui informasi yang dimiliki pada suatu obat dan ingin mengetahui kandung zat-zat yang terdapat disuatu obat tertentu, karena mungkin informasi tersebut tidak terlalu up-to-date dan membutuhkan waktu yang agak lama.
Maka lewat search engine kita dapat memperoleh informasi dan kandungan zat-zat yang terdapat didalam obat tersebut dengan up-to-date dan membantu kita dalam menghemat waktu. Dengan dikembangkannya aplikasi search engine ini, diharapkan dapat membantu dalam berbagai hal.
Analitik bisnis menggunakan AI untuk mengumpulkan, memproses, dan menganalisis set data yang kompleks. Anda dapat menggunakan analitik AI untuk memprakirakan nilai masa depan, memahami akar penyebab data, dan mengurangi proses yang memakan waktu.
Misalnya, Foxconn menggunakan analitik bisnis yang disempurnakan AI untuk meningkatkan akurasi prakiraan. Mereka mencapai peningkatan 8 persen dalam akurasi prakiraan, yang menghasilkan penghematan tahunan sebesar 533.000 USD di pabrik mereka. Mereka juga menggunakan analitik bisnis untuk mengurangi tenaga kerja yang terbuang dan meningkatkan kepuasan pelanggan melalui pengambilan keputusan berbasis data.
Penglihatan komputer menggunakan teknik deep learning untuk mengekstraksi informasi dan wawasan dari video dan gambar. Menggunakan penglihatan komputer, komputer dapat memahami gambar seperti halnya manusia. Anda dapat menggunakan penglihatan komputer untuk memantau konten online dari gambar yang tidak pantas, mengenali wajah, dan mengklasifikasikan detail gambar.
Arsitektur kecerdasan buatan terdiri dari empat lapisan inti. Masing-masing lapisan ini menggunakan teknologi yang berbeda untuk melakukan peran tertentu. Berikutnya adalah penjelasan tentang apa yang terjadi pada setiap lapisan.
Lapisan 1
AI dibangun di atas berbagai teknologi, seperti machine learning, pemrosesan bahasa alami, dan pengenalan gambar. Inti dari teknologi ini adalah data, yang membentuk lapisan dasar AI. Lapisan ini terutama berfokus pada persiapan data untuk aplikasi AI. Algoritma modern, terutama deep learning, membutuhkan sumber daya komputasi yang besar. Jadi, lapisan ini mencakup perangkat keras yang bertindak sebagai sublapisan, yang menyediakan infrastruktur penting untuk melatih model AI. Anda dapat mengakses lapisan ini sebagai layanan terkelola penuh penyedia cloud pihak ketiga.
Lapisan 2
Kerangka kerja ML dibuat oleh para insinyur yang bekerja sama dengan para ilmuwan data untuk memenuhi persyaratan kasus penggunaan bisnis tertentu. Developer kemudian dapat menggunakan fungsi dan kelas bawaan untuk membangun dan melatih model dengan mudah. Contoh kerangka kerja ini termasuk TensorFlow, PyTorch, dan scikit-learn. Kerangka kerja ini merupakan komponen penting dari arsitektur aplikasi dan menawarkan fungsionalitas penting untuk membangun dan melatih model AI dengan mudah.
Lapisan 3
Pada lapisan model, developer aplikasi mengimplementasikan model AI dan melatihnya menggunakan data dan algoritma dari lapisan sebelumnya. Lapisan ini sangat penting untuk kemampuan pengambilan keputusan sistem AI.
Lapisan 4
Lapisan keempat adalah lapisan aplikasi, yang merupakan bagian arsitektur AI yang berhadapan langsung dengan pelanggan. Anda dapat meminta sistem AI untuk menyelesaikan tugas-tugas tertentu, menghasilkan informasi, memberikan informasi, atau membuat keputusan berbasis data. Lapisan aplikasi ini memungkinkan pengguna akhir untuk berinteraksi dengan sistem AI.
Jenis-Jenis Algoritma
Dengan mengetahui pengertian, karakterisik, dan fungsi dari algoritma. Berikutnya adalah ulasan mengenai jenis-jenis dari algoritme. Jenis-jenisnya yaitu:
1.Algoritma Brute Force
Brute Force merupakan jenis algoritma dasar yang mudah dipahami karena sederhana. Pendekatan yang digunakan oleh algoritma Brute Force sama seperti cara memecahkan masalah secara manual. Algoritma Brute Force mencoba setiap kemungkinan kombinasi untuk menyelesaikan masalah tersebut.
2.Algoritma Divide and Conquer
Prosedur kerja algoritma Divide and Conquer yaitu mengelompokkan masalah menjadi beberapa sub masalah atau masalah kecil sesuai jenisnya. Setiap sub masalah tersebut diselesaikan secara mandiri, kemudian digabungkan dengan hasil dari sub masalah lainnya untuk mendapatkan jawaban akhir.
3.Algoritma Greedy
Dalam algoritma Greedy, solusi yang dihasilkan dibangun dari setiap bagian. Keputusan untuk memilih bagian berikutnya didasarkan pada manfaat yang diberikan tanpa mempertimbangkan pilihan yang telah dibuat sebelumnya.
4.Algoritma Dynamic Programming
Dynamic programming merupakan teknik algoritma yang membagi masalah menjadi beberapa sub masalah yang lebih kecil dan menyimpan hasilnya untuk penggunaan berikutnya. Teknik ini juga dikenal sebagai teknik memorisasi karena menyimpan hasil perhitungan sebelumnya untuk menghindari penghitungan berulang.
Pemrosesan bahasa alami
NLP menggunakan algoritma deep learning untuk menafsirkan, memahami, dan mengumpulkan makna dari data teks. NLP dapat memproses teks yang dibuat oleh manusia sehingga berguna untuk meringkas dokumen, mengotomatiskan chatbot, dan melakukan analisis sentimen.
Penglihatan komputer
Penglihatan komputer menggunakan teknik deep learning untuk mengekstraksi informasi dan wawasan dari video dan gambar. Menggunakan penglihatan komputer, komputer dapat memahami gambar seperti halnya manusia. Anda dapat menggunakan penglihatan komputer untuk memantau konten online dari gambar yang tidak pantas, mengenali wajah, dan mengklasifikasikan detail gambar.
AI Generatif
AI Generatif mengacu pada sistem kecerdasan buatan yang dapat membuat konten dan artefak baru seperti gambar, video, teks, dan audio dari perintah teks sederhana. Tidak seperti AI sebelumnya yang terbatas pada analisis data, AI generatif memanfaatkan deep learning dan set data yang sangat besar untuk menghasilkan output kreatif berkualitas tinggi seperti buatan manusia. Meski mendukung aplikasi kreatif yang menarik, tetapi ada kekhawatiran seputar bias, konten berbahaya, dan kekayaan intelektual. Secara keseluruhan, AI generatif mewakili evolusi besar dalam kemampuan AI untuk menghasilkan konten dan artefak baru dengan cara layaknya yang dilakukan oleh manusia.
Pengenalan suara
Perangkat lunak pengenalan ucapan menggunakan model deep learning untuk menafsirkan ucapan manusia, mengidentifikasi kata-kata, dan mendeteksi makna. Jaringan neural dapat mentranskripsikan ucapan ke teks dan menunjukkan sentimen vokal. Anda dapat menggunakan pengenalan suara dalam teknologi, seperti asisten virtual dan perangkat lunak pusat panggilan untuk mengidentifikasi makna dan melakukan tugas terkait.
Algoritma Backtracking
Algoritma backtracking merupakan teknik untuk memecahkan masalah secara inkremental atau gradual. Artinya, solusi dicari secara bertahap satu per satu. Algoritma ini juga menghapus solusi yang gagal supaya tidak perlu digunakan.
Algoritma Brute Force
Salah satu contoh dalam pengimplementasikan mesin pencari atau search engine adalah algoritma brute force. Dalam pembuatan sistem pencarian ini dibutuhkan algoritma sebagai proses berpikir pada komputer untuk melakukan pencarian yang cepat dan akurat, selain itu dalam pembuatan sistem pencarian ini penulis akan menggunakan algoritma brute force.
Tujuan utama dari algoritma brute force adalah mencari solusi dari sebuah masalah dengan menguji semua kemungkinan secara sistematis. Beberapa tujuan utama dari penggunaan algoritma ini meliputi:
*Pencarian solusi: Menggunakan pendekatan yang paling sederhana untuk menemukan solusi dari sebuah masalah.
*Verifikasi: Memastikan bahwa solusi yang ditemukan adalah benar dengan menguji semua kemungkinan.
*Pemahaman masalah: Mendapatkan pemahaman yang lebih dalam tentang masalah yang dihadapi.
Algoritma brute force bekerja dengan langkah-langkah sebagai berikut:
*Inisialisasi: Langkah pertama adalah inisialisasi, di mana semua parameter dan variabel yang diperlukan diatur dengan nilai awal.
*Iterasi: Algoritma akan memulai iterasi melalui semua kemungkinan secara berurutan.
*Pengujian: Pada setiap iterasi, algoritma akan menguji apakah solusi yang dihasilkan benar atau tidak.
*Pemutakhiran: Jika solusi yang ditemukan adalah yang benar, maka algoritma akan menghentikan iterasi dan menghasilkan hasil. Jika tidak, algoritma akan melanjutkan ke iterasi berikutnya.
*Penyelesaian: Algoritma akan menghasilkan solusi yang benar setelah mengecek semua kemungkinan.
Aplikasi Algoritma Brute Force utk pencurian data
Seorang peretas mengetahui bahwa seseorang lahir pada tahun 1990 dan merupakan penggemar sepak bola Chicago Bears berdasarkan halaman Facebook mereka, mereka dapat memasukkan informasi tersebut ke dalam algoritme brute force mereka.
Setelah akses sistem diperoleh, peretas dapat mencuri informasi hak milik pesaing, mengunduh data untuk dijual di web gelap, mengunci administrator hingga mereka menerima pembayaran tebusan, atau menyebarkan malware ke seluruh sistem untuk alasan ekonomi, politik, atau bahkan sosial.
diposting oleh gandatmadi46@yahoo.com